強化学習

A2C（Advantage Actor-Critic）の概要 A2C（Advantage Actor-Critic）は、強化学習のアルゴリズムの一つで、"方策勾配法の概要とアルゴリズム及び実装例について"で述べてい...

SARSAの概要 SARSA（State-Action-Reward-State-Action）は、強化学習における一種の制御アルゴリズムで、主にQ学習と同じくモデルフリーな手法に分類されたものとなる。SARSAは...

マルコフ決定過程(MDP)の概要 マルコフ決定過程（MDP、Markov Decision Process）は、強化学習における数学的なフレームワークであり、エージェントが状態と行動に関連付けられた報酬を受け取る環...

モデル予測制御（Model Predictive Control, MPC）の概要 モデル予測制御（Model Predictive Control, MPC）は、制御理論の一手法であり、制御対象のモデルを使用して将来の...

ε-グリーディ法（ε-greedy）の概要 ε-グリーディ法（ε-greedy）は、強化学習などの探索と活用（exploitationとexploration）のトレードオフを取り扱うためのシンプルで効果的な戦略で...

Q-学習について Q-学習（Q-Learning）は、強化学習の一種で、エージェントが未知の環境を探索しながら最適な行動を学習するためのアルゴリズムとなる。Q-学習は、エージェントが行動価値関数（Q関数）を学習し、...